在第一章中我们已介绍了内积空间的公理系统并给出过内积空间 的例子.内积空间是一种特殊的线性赋范空间,因此对于一般赋范空 间成立的那些结论对于内积空间也是适用的.但由于内积空间具有 “内积”这种结构,使得它有着比一般赋范空间更为特殊的性质.本章 将叙述这些特殊性质:正交基的存在性、正交投影以及空间上线性泛 函和算子的特殊表现形式. Hil ber t空间的理论已广泛地应用于许多 学科和学科分支中去

一、与线性代数有关的matlab指令 二、解线性方程组 三、多项式 四、数据分析函数 五、泛函指令 六、信号处理 七、系统分析

一、非线性调制的原理 调制过程都要实现基带调制信号的频谱搬移,对于线性调制 系统,调制后信号的频谱结构和基带调制信号的频谱结构保持一 致,而非线性调制却不再保持基带调制信号的频谱结构。非线性 调制通常是通过改变载波的频率或相位来实现的,而载波振幅保 持不变

3.1 色散影响下光信号的传输特性 3.2 光纤带宽与色散对通信能力的限制 3.3 光纤非线性影响下光信号的传输特性 3.4 非线性光波系统中的自相位调制和频率啁啾

6.5非线性空域滤波器 ◼ 序统计滤波器 ◼ 形态滤波 6.6彩色图像增强

一、理想运算放大器概念 二、理想运算放大器特性 1.理想运放工作在线性状态时的特性 2.理想运放工作在非线性状态时的特性

第三章线性网络的一般分析方法电阻电路分析方法: 一、等效变换求局部响应 二、一般分析方法—系统化求响应 三、网络定理

能控性(controllability)和能观测性(observability)深刻地揭示了系统的内部结构关系,由 .e.Kalman于60年代初首先提出并研究的这两个重要概念,在现代控制理论的研究与实 践中,具有极其重要的意义,事实上,能控性与能观测性通常决定了最优控制问题解的存 在性。例如,在极点配置问题中,状态反馈的的存在性将由系统的能控性决定;在观测器 设计和最优估计中,将涉及到系统的能观测性条件

为提高无法准确建立数学模型的非线性约束单目标系统优化问题的寻优精度,并考虑获取样本的代价,提出一种基于支持向量机和免疫粒子群算法的组合方法(support vector machine and immune particle swarm optimization,SVM-IPSO).首先,运用支持向量机构建非线性约束单目标系统预测模型,然后,采用引入了免疫系统自我调节机制的免疫粒子群算法在预测模型的基础上对系统寻优.与基于BP神经网络和粒子群算法的组合方法(BP and particle swarm optimization,BP-PSO)进行仿真实验对比,同时,通过减少训练样本,研究了在训练样本较少情况下两种方法的寻优效果.实验结果表明,在相同样本数量条件下,SVM-IPSO方法具有更高的优化能力,并且当样本数量减少时,相比BP-PSO方法,SVM-IPSO方法仍能获得更稳定且更准确的系统寻优值.因此,SVM-IPSO方法为实际中此类问题提供了一个新的更优的解决途径

针对联合循环发电厂(combined cycle power plant,CCPP)煤气系统因工况变化频繁带来的模型与过程不匹配的问题,提出一种基于OS-ELM (online sequential extreme learning machine)的CCPP副产煤气燃料系统在线性能预测方法.首先通过分析副产煤气系统各主要组成部件的工作原理,利用流体力学、质量守恒以及能量守恒等关系,建立起以离心压缩机、煤水分离器、冷却器等为核心部件的副产煤气系统机理模型.利用OS-ELM算法和滑动窗口技术对机理模型的输出误差进行修正,实现副产煤气系统出口参数的精确预测和模型的快速在线更新.仿真实验证明,该方法能够准确地预测副产煤气系统的输出压比和温比,并能够跟踪煤气系统工况的变化和特性的漂移,满足实际工业生产的需求